科技量子位·衡宇··AI 生成
成立九年，中科类脑把积累装进Token工厂
中科类脑提出「算电协同型Token工厂」概念，核心产品并非硬件或模型，而是一套跨域生产组织系统，旨在将分散的算力、模型和电力资源转化为稳定高质量、低成本的Token输出。文章详细阐述了其「1+3」架构（一个决策大脑连接算力、Token、电力三个子系统），以及通过异构调度、KV Cache迁移和电力协同实现「度电智能」最大化的技术路径。适合关注AI基础设施、算力调度和能源效率优化的从业者阅读。原文 ↗原文 ↗
核心观点
- ▍中科类脑的核心产品并非芯片、算力或模型，而是一套「算电协同型Token工厂」系统，旨在将异构芯片、模型、用户任务和电力纳入统一调度，降低单位Token的生产成本和能耗。
- ▍行业竞争已从「有算力」「模型数量」「API价格」演进到「系统效率」阶段，面向「场景结果」竞争刚刚开始；中科类脑的壁垒在于「算电Token一体化」的系统级运营能力。
- 01国家数据局披露，我国日均Token调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超过千倍；部分主流模型API累计降价超过90%。
- 02中科类脑的BitaHub平台已接入逾3000个算力节点，总规模超过5000P，累计服务超8万企业及科研用户。
- 03在一次跨上海、芜湖和乌鲁木齐的调度测试中，跨三地控制响应保持在200秒以内，跨域迁移成功率达到100%，能耗预测精度达到98%。
- 04中科类脑的「1+3」架构包括：一个决策大脑，以及算力、Token、电力三个子系统；系统通过监控、预测、决策三步工作，对任务进行柔性调度。
- 05中科类脑将大模型推理的Prefill和Decode阶段拆分，Prefill交给计算能力更强的芯片，Decode交给大显存、高吞吐芯片，通过KV Cache迁移连接两个阶段。
- 06中科类脑已在电力智能化领域深耕七年，变电站智能巡检覆盖十余省市上百座站点，沉淀了新能源预测、储能和微网控制能力。
反方 / 局限
- — 文章承认，异构调度和推理优化等算侧能力可以被追赶，绿电出力预测等电侧能力竞争对手也能补上；真正的壁垒是跨领域系统长期稳定运行的经验。
- — 文章也暗示，中科类脑的商业模式依赖于Token需求的持续暴涨，以及「度电智能」作为统一优化目标的普适性，这需要未来规模化收入和长期运营验证。
11 分钟 · 5 卡片 · 11 资料
读原文 →概念锚点
前置背景
平行视角
未来推演
延伸追问